基于神经网络的移动机器人的故障诊断方法研究(16)
表5.3.1故障诊断结果
5.4基于BP网络的故障诊断及MATLAB仿真
第一步：首先判断的是移动机器人哪个模块中发生了故障。
实验结果表明：第1组数据中机器人在模块2上发生了故障；第2组数据中机器人在模块1、模块3上发生了故障；第3组数据机器人在模块2上发生了故障；第4组数据机器人在模块1上发生了故障；第5组数据机器人没有发生故障；第6组数据机器人在模块1、模块2上发生了故障；第7组数据机器人在模块1上发生了故障；第8组数据机器人在模块2、模块3上发生了故障。
图5.4.1 BP神经网络学习曲线
把第9、10组数据作为测试数据，测试结果如下：Y =
1.0000 0.9997
0.9994 0.0003
0.9992 0.0004
由2组测试数据可看出：第1组数据机器人在模块1、模块2、模块3上发生了故障；第2组数据机器人在模块1上发生了故障。
第二步：判断机器人在模块1上发生哪些故障：
Fault-0：正常状态 没有发生任何状态
Fault-1：系统故障 模块内部出现故障
Fault-2：传感器故障 用于测量信息的传感器发生故障
Fault-3：混合故障 系统故障和传感器故障同时发生
由实验所得：
第1组数据机器人没有发生故障；第2组数据机器人发生混合故障；第3组数据机器人没有发生任何故障；第4组数据机器人发生传感器故障；第5组数据机器人没有发生任何故障；第6组数据机器人发生混合故障；第7组数据机器人发生系统故障；第8组数据机器人没有发生任何故障。
图5.4.2 模块1的BP神经网络学习曲线
把第9、10组数据作为测试数据，测试结果如下：
Y =
0.0000 0.0000
0.0000 0.0000
0.0001 0.0006
0.9997 0.9993
由2组测试数据可看出：第1组数据机器人在模块1上发生了混合故障；第2组数据机器人在模块1上发生了混合故障。
第三步：判断机器人在模块2上发生哪些故障：
Fault-0：正常状态 没有发生任何状态
Fault-1：系统故障 模块内部出现故障
Fault-2：传感器故障 用于测量信息的传感器发生故障
Fault-3：混合故障 系统故障和传感器故障同时发生
由实验所得：
第1组数据机器人在模块2上发生了传感器故障；第2组数据机器人在模块2上是正常状态；第3组数据机器人在模块2上发生了系统故障；第4组数据机器人在模块2上是正常状态；第5组数据机器人在模块2上是正常状态；第6组数据机器人在模块2上发生了混合故障；第7组数据机器人在模块2上是正常状态；第8组数据机器人在模块2上发生的是系统故障。
图5.4.3 模块2的BP神经网络学习曲线
把第9、10组数据作为测试数据，测试结果如下：
Y =
1.0000 0.0013
0.0000 0.0000
0.0010 0.0000
0.0000 0.9978